Partie 2 : statistiques analytiques 

Cette partie, contrairement aux statistiques descriptives, ne se contente pas de 
la  simple  description  des  observations,  mais  aide  à  tester  des  hypothèses,  à 
concevoir des constatations et de prendre des décisions.  

Deux  hypothèses  sont  posées  soit  H0  et  H1,  le  test  statistique  va  être  l’outil 
qui permet de trancher ; une seule qui est vraie. 

H0  est  appelée  l’hypothèse  nulle,  H1  est  l’hypothèse  alternative  La  décision 
consiste à retenir H0 ou H1. 

Cette partie sera abordée comme suit 

A. Comparaison de deux moyennes  
B. Analyse de variance à un facteur 
C. Analyse de variance à facteurs multiples 

 
 A. Comparaison de deux moyennes  

A.1.  Tests paramétriques (Test de Student) 

a. Comparaison d’une moyenne à une valeur référence ou moyenne théorique 

b. Comparaison de moyenne sur deux échantillons appariés 

c. Comparaison de moyenne de deux échantillons indépendants 

      A.2. Tests non paramétriques (Test de Chi 2) 

a. Comparaison de moyennes observes sur échantillons indépendants 

b. Comparaison de moyenne sur échantillons appariés 

A.1. Test de Student 

Conditions dʹapplication: 

 Le caractère de lʹéchantillon étant supposé aléatoire, lʹhypothèse de normalité 
de la variable  doit être vérifiée. 

Le test de Student est utilisé dans trois cas différents : 

a. Comparaison d’une moyenne à une valeur référence  

b. Comparaison de moyennes sur deux échantillons appariés (liés) 

c. Comparaison de moyennes de deux échantillons indépendants 

Quelque sois le cas, la réalisation suit les mêmes étapes : 

‐ L’hypothèse nulle H0 : démarrer avec l’hypothèse qu’il n’ya pas de 
différences significatives entre les deux moyennes comparées  

L’hypothèse alternative :H1 : il y a une différence significative entre les 

deux échantillons  

 
‐ Calcul du t.cal   calculé selon une formule spécifique à chaque cas 
 ‐ Calcul de t.tab (t de table) : cette valeur est lue dans une table de Student a 
l’aide de deux valeur(=0.05, ddl=(voir le ddl dans chaque cas))  
‐ Comparaison entre t.cal et t.tab 
‐ Conclusion (accepter H0 et rejeter H1 ou le contraire) 

Cas n°1 : Comparaison d’une moyenne à une valeur référence ou moyenne théorique 

Il  s’agit  de  comparer  une moyenne  d’un  échantillon à  une moyenne 

théorique (μ).Le  but  est  de  vérifier  si  notre  échantillon  provient  bien  dʹune 
population avec la moyenne théorique, μ, ou non  

Calcul :  

Soit  X  une  variable  aléatoire  distribuée  selon  une  loi  normale,  la  variable 

aléatoire définie ci‐dessus suit une loi de Student avec n ‐ 1 degrés de liberté.  

                                                 t cal =     

‐  : la moyenne de l’échantillon 

‐ μ     :   la moyenne théorique ou la valeur spécifiée 

‐ S²    : la variance de lʹéchantillon  

‐ n    : est la taille de lʹéchantillon  
 

la valeur t tab correspondant au risque alpha = 5% pour un degré de liberté : ddl= n−1 

On compare la valeur calculée de t (cal) avec la valeur critique appropriée de 

t‐table avec n ‐ 1 degrés de liberté.  

‐ Si  t cal est inferieur à t tab : H0 est acceptée 

‐Si  t cal est supérieure à t tab : H0 est rejetée et on accepte H1.  

Cas n° 2 : Comparaison de moyenne sur deux échantillons appariés 

Le  test de  Student sert  aussi  à  comparer les  moyennes de deux populations, 

dont chaque élément de lʹune est en relation avec un élément de lʹautre.  
Par exemple 30 patients ont reçu un traitement pendant1 mois. On se pose la 

question à savoir si le traitement a un impact sur le poids des patients ou pas. 

Le  poids  des  sont  donc  été  mesuré  avant  et  après  traitement.  Ce  qui  nous 

donne 30 séries de valeurs avant traitement et 30 après traitement provenant 

des mêmes individus. 

Il  s’agit  bien  dans  cet  exemple,  d’un test  de  Student  apparié car  les  deux 

séries  de  valeurs  ont  un  lien  (les  souris).  Pour  chaque  souris,  on  a  deux 

mesures (l’une avant et l’autre après traitement). 

Calcul :  

Soit xij lʹobservation j pour la paire i (j = 1,2 et i = 1,2,...,n). Pour chaque paire 

dʹobservations  on  calcule  la  différence  di  =  xi2  ‐  xi1.  Le  test  statistique  est 

défini par :  

tcal =   

‐ n est le nombre de paires dʹobservations 

‐ d est la moyenne des différences entre les observations et 

‐ Sd² la variance des différences.  
d.d.l=n−1 
 

Cas n°3 : Comparaison de moyennes de deux échantillons indépendants 

Etant  donné  deux  échantillons  de  taille  n1  et  n2.  Dans  ce  cas  les  deux 

échantillons sont indépendants entre eux. 

Calcul :  

On calcule la valeur t cal comme suit    
T cal =   

‐ x1 et x2 sont les moyennes des deux échantillons 

‐ Sp² la variance commune.  

‐ n 1   : est la taille de lʹéchantillon 1 

‐ n 2   : est la taille de lʹéchantillon 2 

La valeur t tab correspondant au risque alpha = 5% pour un degré de liberté : 
ddl= n1+n2−2 

*Si la valeur de t calculé (|t|) est supérieure à la valeur de t de table, alors la 

différence est significative. Dans le cas contraire, elle, ne l’est pas. Le degré de 

significativité (ou p‐value)  correspond  au  risque  indiqué  par  la table  de 

Student pour la valeur |t|. 
  

 
A .2. Le Test non paramétrique  Chi 2 ou Khi 2 

Le  test  d’indépendance  du  Chi  2  sert  à  apprécier  l’existence  ou  non  d’une 

relation entre deux caractères au sein d’une population, lorsque ces caractères 

sont  qualitatifs  où  lorsqu’un  caractère  est  quantitatif  et  l’autre  qualitatif,  ou 

bien encore lorsque les deux caractères sont quantitatifs mais que les valeurs 

ont été regroupées.  

Pour les caractères qualitatifs la notion de moyenne n ‘existe pas donc il faux 

prendre e compte la distribution dans son ensemble 

Par exemple si on veut vérifier si la répartition des groupes sanguins dépend 

du sexe 

Les étapes à suivre sont comme suit : 

1‐ On pose l'hypothèse H0 : "Il n'y a pas de relation entre la répartition des groupes 

sanguins et le sexe 

2‐ Calcul :  

On détermine la valeur du chi2 calculé (chi2 cal)comme suit 

chi2 cal=  (effectifs observes‐effectifs théoriques)2/ effectifs théoriques 

3‐ On détermine le chi2 table, Cette valeur est lue dans une table du test du Chi-2  a 

l’aide de deux valeur(=0.05, ddl=n‐1) 

4‐ comparer chi2 cal et chi 2 tab 

‐si  chi2  cal  inferieur  à  chi  2  tab :  y’a  une  indépendance  entre  la  répartition  des 

groupes sanguins et le sexe 

‐si  chi2  cal  supérieur  à  chi  2  tab :  y’a  une  dépendance  entre  la  répartition  des 

groupes sanguins et le sexe 
Avec un risque d'erreur de =5%.

5‐ explication de la signification 

Ce test permet de déterminer la dépendance mais ne donne pas la puissance 

de cette dépendance. 

 Le  Chi  2  aussi  peut  aussi  être  un  test  d’ajustement  pour  comparer    la 

distribution de fréquences d’un échantillon par rapport à la distribution de 

fréquences  attendu c.a.d  évaluer  à  quel  point  les  données  que  vous 

obtenez  lors  d’une  expérience  sont  bien  ajusté  aux  données  théoriques 

attendus.